-wqfthgznyv.jpg)
MongoDB
·
精确最近邻向量搜索用于精准检索
内容提要
向量搜索能够高效处理高维度的非结构化数据，提供相关结果并使用机器学习模型找到相似结果。MongoDB Atlas Vector Search引入了精确最近邻（ENN）向量搜索，超越了近似最近邻（ANN）方法。ENN向量搜索提高了搜索和生成AI应用的精度和速度，在小规模向量数据、ANN查询回忆基准和多租户架构等特定场景中具有优势。
关键要点
-
向量搜索能够高效处理高维度的非结构化数据，提供相关结果并使用机器学习模型找到相似结果。
-
MongoDB Atlas引入了精确最近邻（ENN）向量搜索，超越了近似最近邻（ANN）方法。
-
ENN向量搜索提高了搜索和生成AI应用的精度和速度，特别是在小规模向量数据和多租户架构中表现优越。
-
在小规模向量数据中，ENN的线性时间复杂度使其成为可行的选择。
-
ENN向量搜索可以提供准确的结果集，用于与ANN查询的近似结果集进行比较，增强准确性信心。
-
在多租户架构中，ENN向量搜索能够在小结果集内提供精确结果，克服ANN的准确性问题。
-
ENN向量搜索适用于多租户数据服务和概念验证开发等用例。
-
MongoDB Atlas中的ENN向量搜索与现有的$vectorSearch阶段无缝集成，保证准确性和简化配置。
-
ENN向量搜索支持快速查询执行，能够在不过滤的情况下保持亚秒延迟。
-
ENN向量搜索是构建检索增强生成（RAG）、语义搜索或推荐系统的强大工具，简化开发者体验。
延伸问答
什么是精确最近邻（ENN）向量搜索？
精确最近邻（ENN）向量搜索是一种能够保证检索到与查询最接近的向量的方法，超越了近似最近邻（ANN）方法的准确性限制。
ENN向量搜索在小规模数据集中的优势是什么？
在小规模数据集（如少于10,000个向量）中，ENN的线性时间复杂度使其成为可行的选择，能够提供更高的准确性。
如何在多租户架构中使用ENN向量搜索？
在多租户架构中，ENN向量搜索能够在小结果集内提供精确结果，克服ANN在应用高度选择性过滤时的准确性问题。
ENN向量搜索如何提高搜索和生成AI应用的精度？
ENN向量搜索通过提供准确的结果集，增强了对ANN查询结果的信心，从而提高了搜索和生成AI应用的精度。
在MongoDB Atlas中，ENN向量搜索的配置复杂性如何？
ENN向量搜索的配置相对简单，只需指定返回向量的数量限制，而不需要像ANN那样调优参数。
ENN向量搜索适用于哪些用例？
ENN向量搜索适用于多租户数据服务和概念验证开发等用例，能够提供精准的检索结果。
